Geological Ner

🚀 巴西葡萄牙语命名实体识别模型

本模型是一个巴西葡萄牙语命名实体识别（NER）模型，基于neuralmind/bert-base-portuguese-cased基础模型构建，并专门针对地质概念进行了优化。它能有效识别地质相关文本中的实体信息，为地质领域的文本处理提供了强大的支持。

🚀 快速开始

本模型基于neuralmind/bert-base-portuguese-cased基础模型，专门用于地质概念的命名实体识别。它使用了来自这篇论文的数据集进行了3个轮次的训练。

你可以在这里找到用于训练该模型的笔记本。训练输出如下：

使用示例

要使用此模型，可在管道中运行以下代码：

## 运行预测
txt = YOUR_TEXT
classifier = pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy='simple')
entities = classifier(txt)

## 以美观的方式显示
dict_ents = {
    'text': txt,
    'ents': [{'start': ent['start'], 'end': ent['end'], 'label': ent['entity_group']} for ent in entities],
    'title': None
}

displacy.render(dict_ents, manual=True, style="ent")    

示例文本

以下是一些示例文本，可用于测试模型：

• 示例1：“从地质时期来看，每种岩石类型都与地球历史上的不同时期和过程相关。例如，火成岩通常与强烈的火山活动时期相关，如中生代，当时恐龙主宰着地球。而沉积岩则大量存在于古代海洋盆地和湖泊的沉积物中，如新生代时期。变质岩则通常与强烈的构造活动时期相关，如元古代，当时超大陆形成并分裂。”
• 示例2：“石油是在沉积盆地中由有机物质与无机沉积物一起在缺氧环境中积累而形成的。这种积累通常发生在湖泊、泻湖或海底水流不畅的海域底部。因此，有机物质虽然避免了氧化，但会因无机化学反应和细菌作用而发生变化，从而产生一些生物气，并将剩余的有机物质转化为干酪根，这是一种富含重质固体碳氢化合物的物质。富含干酪根的岩石，通常是细粒碎屑岩（油页岩）或碳酸盐岩（油质石灰岩和泥灰岩），被称为母岩或生油岩，因为石油就是在这些岩石中生成的。”

📄 许可证

本模型采用MIT许可证。

📚 详细文档

模型的详细信息如下：